Как искусственный интеллект «качает» нефтедобычу
Наделавший много шума Chat-GPT убедил человечество, что искусственный интеллект изменит мир навсегда. На самом же деле технологии машинного обучения применяются уже давно и не только в чат-ботах. К примеру, в промышленности. Так, в нефтедобывающей отрасли ИИ-решения сегодня внедрены практически на каждом этапе производственной цепочки.
Алексей Шпильман
Фото: из личного архива
«Сириус(Журнал» собрал направления в нефтяной индустрии, где уже активно применяется искусственный интеллект. Экспертом при написании этого материала выступил руководитель программ развития искусственного интеллекта компании «Газпром нефть» и преподаватель курса по ИИ в онлайн-школе Сириус.Курсы Алексей Шпильман.
Геологоразведка
Наиболее информативный инструмент в арсенале геологоразведчика — каротаж. Для того чтобы провести такое исследование и узнать строение скважины и физические свойства ее слоев, в нее спускают специальный прибор. Важный показатель, который интересует специалистов, — способность подземных пластов к пескопроявлению. Так они называют процесс, при котором песок попадает в зону бурения и вызывает разрушения, провоцируя обвалы в стволе скважины. При таких ЧП может быть повреждено оборудование, а значит, понадобится ремонт (обычно дорогостоящий), что значительно затормозит работу.
Вынос песка из скважины сложно предсказать, так как геологический разрез неоднороден. При прогнозировании проводят анализ данных геофизических исследований, выбирают оптимальное место для бурения с учетом того, сколько там будет песка, где нужно установить фильтры и какие именно. При этом многое зависит от интерпретации данных специалистом. Иначе говоря, есть человеческий фактор.
Геологоразведчику для подобной интерпретации нужно много времени, а программа на основе машинного обучения справляется с такой задачей в сотни раз быстрее. У нее на это может уйти всего несколько секунд. Кроме того, ПО объективнее живого специалиста. Так сокращаются трудозатраты и время простоя скважины, а объем добычи, соответственно, сохраняется.
Каротаж пробуренной скважины на территории Джерой-Сардаринского фосфатного месторождения в Узбекской ССР в 1985 году
Фото: © Казанцев Владимир / ТАСС
Обслуживание скважин
Значительная доля запасов нефти, осваиваемых компанией «Газпром нефть», находится в низкопроницаемых коллекторах. Для их разработки нужно «стимулировать» скважину, и основной для этого метод — устроить гидравлический разрыв пласта. Суть в том, чтобы сделать в нем трещину, через которую к забою пойдет нефть. От того, насколько правильно подобрана скважина, естественно, зависит итоговый объем добычи.
Привычные методы оценки перспективности проведения гидроразрыва пласта трудозатратны и недостаточно точны, поэтому был предложен новый подход на базе интеллектуальных алгоритмов и машинного обучения. Программа может автоматически обрабатывать данные, поступающие с датчиков телеметрии, и дает сотрудникам весь спектр информации о пласте и его связи со скважиной. Нефтедобычу при этом не приостанавливают.
Ханты-Мансийское кернохранилище, где хранятся керны — образцы породы, полученные из скважин при бурении
Фото: © Рюмин Александр / ТАСС
Теперь на обработку данных с одной скважины уходит не несколько часов, а несколько минут. За это время ИИ подбирает параметры пласта и скважины, оценивает целесообразность применения гидравлического разрыва либо рекомендует провести дополнительные исследования, если степень неопределенности чересчур высока.
Развитие месторождений
Когда специалисты принимают о решение о том, в разработку каких месторождений лучше вкладывать деньги, как правило, используют геолого-гидродинамическую модель пласта (ГГДМ). Это ключевой инструмент прогнозирования, который требует актуальной информации. Вот почему нужны регулярные исследования, а это порой крайне трудозатратные работы, идущие месяцами. Если нужных данных не будет хватать, прогнозная способность модели окажется недостаточной. Отсюда повышенный риск принять неверное решение, которое приведет к убыткам.
Отбор пробы нефти на Соровском месторождении в Тюменской области
Фото: © Максим Слуцкий / ТАСС
Чтобы этого избежать, в «Газпром нефти» решили создать самообучающуюся модель пласта. Это система ИИ, которая объединит сразу несколько моделей с постоянно обновляющимися геологическими и гидродинамическими данными. Она будет анализировать весь объем имеющейся геологической и прочей информации, чтобы построить непрерывно обновляющуюся ГГДМ, учитывающую все возможные факторы неопределенности.
А чтобы комплексно работать с местной нефтью на основе всей доступной информации, была создана система «ProБА». Искусственный интеллект, который обучали на результатах научных изысканий многих лет, накапливает информацию по горно-геологическим характеристикам пластов, условиям их формирования и создает единую базу данных. На основе заданных геологических и геомеханических параметров программа прогнозирует профиль добычи на 25 лет с учетом применяемых технологий, оценивает экономическую эффективность и технологические риски каждого сценария. Кроме того, система может подобрать залежи-аналоги. «ProБА» уже успела показать свою эффективность.
Выходит, что ИИ не только оптимизирует основные технологические и бизнес-процессы в нефтегазовой отрасли, но и становится источником дохода, экономя время и ресурсы. Это удобный инструмент, но не более. Право принимать решения по бурению, развитию месторождений, инвестированию и многому другому остается за нефтяниками.
В России есть самая «молодая» и «старая» нефть на Земле: в чем разница?
Читать
